Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using PkgUtility
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
# use this to fix the problem in generated preview.jl file
F1 = joinpath(@__DIR__, "../../Artifacts.toml");
F2 = joinpath(@__DIR__, "../../../Artifacts.toml");
GRIDDINGMACHINE_ARTIFACTS = (isfile(F1) ? F1 : F2);
predownload_artifact.(["CH_20X_1Y_V1",
"CHL_2X_7D_V1",
"CI_12X_1Y_V1",
"CI_PFT_2X_1Y_V1",
"GPP_MPI_2X_1M_2005_V1",
"GPP_VPM_5X_8D_2005_V1",
"LAI_4X_1M_V1",
"LM_ERA5_4X_1Y_V1",
"LNC_2X_1Y_V1",
"LPC_2X_1Y_V1",
"NDVI_AVHRR_20X_1M_2018_V1",
"NIRO_AVHRR_20X_1M_2018_V1",
"NIRV_AVHRR_20X_1M_2018_V1",
"RIVER_4X_1Y_V1",
"SIF740_TROPOMI_1X_1M_2018_V1",
"SLA_2X_1Y_V1",
"TD_12X_1Y_V1",
"VMAX_CICA_2X_1Y_V1",
"WD_2X_1Y_V1",
"NPP_MODIS_1X_1Y"],
GRIDDINGMACHINE_ARTIFACTS);#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.4%
# 1.8%
### 4.5%
########## 14.1%
################################### 49.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.0%
0.9%
## 4.1%
########### 16.0%
############################################# 63.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
1.2%
### 5.5%
############# 18.8%
##################################################### 74.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
# 2.0%
###### 8.5%
##################### 29.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.1%
0.6%
# 1.5%
### 4.3%
########### 16.0%
######################################### 58.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.1%
0.2%
0.8%
## 3.0%
#### 5.6%
######### 13.0%
############ 17.7%
################ 22.4%
################### 27.1%
####################### 32.1%
########################## 37.0%
############################## 42.1%
################################# 47.0%
##################################### 52.2%
######################################### 57.4%
############################################# 62.7%
################################################ 67.9%
#################################################### 73.3%
######################################################## 78.7%
############################################################ 84.1%
################################################################ 89.7%
#################################################################### 95.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.2%
0.9%
## 2.9%
####### 10.4%
##################### 29.8%
#################################### 50.1%
#################################################### 72.3%
##################################################################### 96.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
## 3.0%
########### 16.6%
############################### 43.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
## 3.7%
########### 15.5%
###################################### 53.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
## 3.6%
########### 15.6%
##################################### 52.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.0%
0.0%
0.2%
0.6%
# 1.4%
# 2.4%
## 3.3%
### 4.4%
### 5.6%
#### 6.8%
##### 8.1%
###### 9.5%
####### 11.0%
######### 12.7%
########## 14.5%
########### 16.4%
############# 18.5%
############## 20.6%
################ 23.0%
################## 25.5%
#################### 28.2%
###################### 31.1%
######################## 33.7%
######################### 35.9%
########################## 37.5%
############################ 39.6%
############################## 41.8%
############################### 44.0%
################################# 46.0%
################################## 48.1%
#################################### 50.2%
##################################### 52.5%
####################################### 54.5%
######################################## 56.5%
########################################## 58.9%
########################################### 61.0%
############################################# 63.3%
############################################### 65.5%
################################################ 67.9%
################################################## 70.0%
#################################################### 72.4%
##################################################### 74.8%
####################################################### 77.2%
######################################################### 79.4%
########################################################## 81.7%
############################################################ 84.3%
############################################################## 86.6%
################################################################ 89.0%
################################################################# 91.3%
################################################################### 93.9%
##################################################################### 96.2%
###################################################################### 98.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.0%
0.0%
0.1%
0.3%
1.1%
## 3.1%
### 5.2%
##### 7.5%
####### 10.0%
######### 12.6%
########### 15.3%
############# 18.4%
############### 21.6%
################# 24.9%
#################### 28.2%
###################### 31.6%
######################### 34.9%
########################### 38.2%
############################# 41.5%
################################ 44.8%
################################## 48.2%
##################################### 51.4%
####################################### 54.8%
######################################### 58.0%
############################################ 61.4%
############################################## 64.7%
################################################ 68.0%
################################################### 71.3%
##################################################### 74.6%
######################################################## 78.0%
########################################################## 81.3%
############################################################ 84.6%
############################################################### 87.9%
################################################################# 91.2%
#################################################################### 94.6%
###################################################################### 97.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.0%
0.0%
0.2%
0.6%
# 2.3%
### 4.5%
#### 6.9%
###### 9.5%
######## 12.3%
########### 15.3%
############# 18.5%
############### 21.9%
################## 25.6%
##################### 29.2%
####################### 32.8%
########################## 36.5%
############################ 40.1%
############################### 43.8%
################################## 47.4%
#################################### 51.0%
####################################### 54.7%
######################################### 58.3%
############################################ 62.0%
############################################### 65.9%
################################################## 70.0%
##################################################### 73.7%
####################################################### 77.1%
########################################################## 80.8%
############################################################ 84.6%
############################################################### 88.4%
################################################################# 91.6%
#################################################################### 94.7%
###################################################################### 97.3%
####################################################################### 99.1%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.3%
1.1%
## 3.8%
########### 15.7%
############################################ 61.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.2%
0.9%
# 2.4%
##### 7.4%
################### 27.0%
########################################################## 81.3%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
# 2.2%
############# 19.4%
################################### 48.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
0.3%
1.1%
### 4.9%
############# 18.4%
############################################## 64.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
##### 7.2%
################### 26.6%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
# 2.8%
######### 12.7%
#################### 28.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
-=#=# # #
###################### 30.9%
######################################################################## 100.0%Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf chlorophyll content
LCH_LUT = load_LUT(LeafChlorophyll{FT}());
mask_LUT!(LCH_LUT, FT[0,Inf]);
LCH_LUT = regrid_LUT(LCH_LUT, Int(size(LCH_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LCH_LUT.data,3)
preview_data(LCH_LUT, i, (0,80));
end
gif(anim, fps=5)
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogen{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)Specific leaf area
SLA_LUT = load_LUT(LeafSLA{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)
Gross primary productivity
# GPP MPI
GPP_LUT = load_LUT(GPPMPIv006{FT}(), 2005, "2X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)
# GPP VPM
GPP_LUT = load_LUT(GPPVPMv20{FT}(), 2005, "5X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)
Leaf area index
LAI_LUT = load_LUT(LAIMonthlyMean{FT}());
LAI_LUT = regrid_LUT(LAI_LUT, Int(size(LAI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LAI_LUT.data,3)
preview_data(LAI_LUT, i, (0,6));
end
gif(anim, fps=1)
Normalized difference vegetation index
NDV_LUT = load_LUT(NDVIAvhrr{FT}(), 2018, "20X", "1M");
NDV_LUT = regrid_LUT(NDV_LUT, Int(size(NDV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NDV_LUT.data,3)
preview_data(NDV_LUT, i, (0,1));
end
gif(anim, fps=1)
Near infrared reflectance of vegetation
NIV_LUT = load_LUT(NIRvAvhrr{FT}(), 2018, "20X", "1M");
NIV_LUT = regrid_LUT(NIV_LUT, Int(size(NIV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIV_LUT.data,3)
preview_data(NIV_LUT, i, (0,1));
end
gif(anim, fps=1)
Near infrared reflectance of vegetation with offset
NIO_LUT = load_LUT(NIRoAvhrr{FT}(), 2018, "20X", "1M");
NIO_LUT = regrid_LUT(NIO_LUT, Int(size(NIO_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIO_LUT.data,3)
preview_data(NIO_LUT, i, (0,1));
end
gif(anim, fps=1)
Net primary productivity
NPP_LUT = load_LUT(NPPModis{FT}());
mask_LUT!(NPP_LUT, FT[-Inf,1e19]);
NPP_LUT = regrid_LUT(NPP_LUT, Int(size(NPP_LUT.data,2)/180));
NPP_LUT.data .*= 1e9;
preview_data(NPP_LUT, 1)Sun induced fluorescence
SIF_LUT = load_LUT(SIFTropomi740{FT}(), 2018, "1X", "1M");
mask_LUT!(SIF_LUT, FT[-100,100]);
anim = @animate for i ∈ 1:12
preview_data(SIF_LUT, i, (0,3.5));
end
gif(anim, fps=3)
Tree density
TDT_LUT = load_LUT(TreeDensity{FT}(), "12X", "1Y");
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1, (0, 150000))Wood density
TDT_LUT = load_LUT(WoodDensity{FT}());
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1)Land surface
Land elevation
ELE_LUT = load_LUT(LandElevation{FT}());
mask_LUT!(ELE_LUT, FT[0,Inf]);
ELE_LUT = regrid_LUT(ELE_LUT, Int(size(ELE_LUT.data,2)/180));
preview_data(ELE_LUT, 1)Land mask
LMK_LUT = load_LUT(LandMaskERA5{FT}());
LMK_LUT = regrid_LUT(LMK_LUT, Int(size(LMK_LUT.data,2)/180));
preview_data(LMK_LUT, 1)River flood plain height
FLD_LUT = load_LUT(FloodPlainHeight{FT}());
mask_LUT!(FLD_LUT, FT[0,Inf]);
FLD_LUT = regrid_LUT(FLD_LUT, Int(size(FLD_LUT.data,2)/180));
preview_data(FLD_LUT, 1)River height
RVH_LUT = load_LUT(RiverHeight{FT}());
mask_LUT!(RVH_LUT, FT[0,Inf]);
RVH_LUT = regrid_LUT(RVH_LUT, Int(size(RVH_LUT.data,2)/180));
preview_data(RVH_LUT, 1)River width
RVW_LUT = load_LUT(RiverWidth{FT}());
mask_LUT!(RVW_LUT, FT[0,Inf]);
RVW_LUT = regrid_LUT(RVW_LUT, Int(size(RVW_LUT.data,2)/180));
preview_data(RVW_LUT, 1)River length
RVL_LUT = load_LUT(RiverLength{FT}());
mask_LUT!(RVL_LUT, FT[0,Inf]);
RVL_LUT = regrid_LUT(RVL_LUT, Int(size(RVL_LUT.data,2)/180));
preview_data(RVL_LUT, 1)River manning coefficient
RVM_LUT = load_LUT(LandMaskERA5{FT}());
RVM_LUT = regrid_LUT(RVM_LUT, Int(size(RVM_LUT.data,2)/180));
preview_data(RVM_LUT, 1)River unit catchment area
UCA_LUT = load_LUT(UnitCatchmentArea{FT}());
UCA_LUT = regrid_LUT(UCA_LUT, Int(size(UCA_LUT.data,2)/180));
preview_data(UCA_LUT, 1)This page was generated using Literate.jl.